我國農業科技創新資源的配置效率及影響因素研究

董明濤

（東北大學秦皇島分校 經貿學院，河北 秦皇島 066004）

一、引 言

隨著我國農業生產力水平的不斷進步，單純依靠增加農業生產要素投入已不再適應農業發展的需要，農業科技創新是提高農業生產要素的使用效率、實現農業經濟增長方式轉變的重要推動力。作為一個系統的發展過程，農業科技創新需要投入大量的人力、物力、財力、信息等資源，而在這些農業科技創新資源有限的情況下，如何優化農業科技創新資源的配置結構，提高農業科技創新資源的配置效率，發揮農業科技創新資源優勢具有重要的理論和現實意義。

對于農業科技創新資源配置效率問題的研究，目前國內的研究主要集中在以下幾個方面：①對農業科技創新資源效率的描述性統計，如曠宗仁等從投入與產出兩個方面對中國農業科技創新水平進行了描述性的統計分析[1]。②從系統論的視角研究農業科技創新資源配置效率問題，如楊傳喜等基于復雜適應系統理論，將農業科技資源作為一個統一的系統進行資源的優化配置[2]。③采用定量評價方法研究農業科技創新資源配置效率，如張靜等采用Malmquist指數法，對1990-2008年我國農業科技創新效率進行了測算[3]。總體來說，國內學者從不同角度、采用多種方法對農業科技創新資源配置效率問題進行了有益的探索，但大多是從某一視角出發進行研究，未能較充分地評價我國農業科技創新資源配置效率的總體水平和存在問題等；另外國內現有研究對農業科技創新資源配置效率的影響因素的研究較少，而對影響因素進行深入分析，從而更深入地剖析農業科技創新資源配置效率的深層次原因和配置行為，對提高農業科技創新資源配置效率非常重要。因此，本文嘗試采用數據包絡分析（DEA）方法，對2009-2011年間我國30個省（自治區、直轄市）的農業科技創新資源配置效率進行測算，并構建個體固定效應模型，采用農業科技創新資源配置效率的測算結果和省級面板數據，深入分析農業科技創新資源配置效率的影響因素和具體影響效應，以期揭示我國農業科技創新資源配置的水平、差異和規律，為相關部門制定科學合理的農業科技創新資源配置決策提供支持。

二、模型設定

（一）DEA模型

數據包絡分析方法（DEA）是1978年由著名運籌學家A.Charnes,W.W.Cooper和 E.Rhodes首先提出的，被用來評價部門間的相對有效性（因此被稱為DEA有效），該方法在經濟學領域已有廣泛的應用[4]。其基本思路是：通過對投入、產出數據進行綜合分析，得出每個決策單元（DMU）綜合效率的數量指標，確定各決策DMU是否為DEA有效[5]。數據包絡分析有多種模型，其中C2R模型[6](由Chanes，Cooper和Rhodes三位作者的第一個英文字母命名)的建模思路清晰、模型形式簡單、理論完善，故本文采用該模型。

設有n個DMU的投入與產出，每個DMU都有m種投入和s種產出，假設xij表示第j個DMU的第i種投入量，yrj表示第j個DMU的第r種輸出量，vi和ur分別表示各投入及產出的權值，如果用向量Xj和Yj分別表示各DMU的投入與產出，V和U分別為權值向量，則有：

Xj=(x1j,x2j,…,xmj)T，Yj=(y1j,y2j,…,ysi)T，

V=(v1,v2,…,vm)T，

U=(u1,u2,…,us)T,其中i=1,2,…,m；j=1,2,…,n；r=1,2,…,s。

定義第j個DMU的效率評價指數為：

評價第j0個 DMU效率的數學模型為：

第j0個DMU是否有效，主要取決于這些參數的取值。公式（2）的經濟意義非常明顯，即如果能找到DMU的某種線性組合，使其產出不低于第j0個DMU產出，則說明第j0個DMU不是有效的，反之，該DMU有效。基于公式（2）的模型解的有效性判斷定理為：①若存在最優值θ*=1，則其對應的第j0個DMU為弱DEA有效；②若最優值θ*=1，且存在最優解S-*=0，S+*=0，則其對應的第j0個DMU為DEA有效。

（二）個體固定效應模型

個體固定效應模型就是對于不同的個體有不同截距的模型[7]。如果對于不同的時間序列，個體截距是不同的，但是對于不同的橫截面，模型的截距沒有顯著性變化，那么就應該建立個體固定效應模型，表示如下：

其中：

εit（i=1,2,…,T)表示隨機誤差項;yit,xit（i=1,2,…,N;t=1,2,…,T）分別表示被解釋變量和解釋變量。

Cheng Hsiao(1986)提出利用模板數據進行經濟分析時應該首先對模型做三種假設檢驗，來確定哪一種模型。由于本文認為在不同的年份不同的地區的截距差別不大，因此只需作2種檢驗：

（1）F檢驗。原假設H0：不同個體的模型截距項相同（建立混合估計模型）；備擇假設H1：不同個體的模型截距項不同（建立個體固定效應模型）。

其中，SSEr、SSEu分別表示約束模型（混合估計模型）和非約束模型（個體固定效應模型）的殘差平方和。給定顯著性水平，若F＞Fα(N-1,NT-N-k)，應該建立個體固定效應模型。

（2）Hansman檢驗。Hausman檢驗是對同一參數的兩個估計量差異的顯著性檢驗，用于判斷是應建立固定效應模型還是隨機效應模型。原假設H0：個體效應與回歸變量無關(個體隨機效應回歸模型)；備擇假設H1：個體效應與回歸變量相關(個體固定效應回歸模型)。

三、指標選取與數據來源

（一）指標選取

1.農業科技創新資源配置效率的評價指標選取

關于農業科技創新資源配置效率的評價指標選取，考慮指標的可獲得性、代表性及數據包絡分析方法對數據的要求，借鑒已有相關研究成果[3,8-9]，本文主要從農業科技創新投入和農業科技創新產出兩方面進行。農業科技創新投入指標主要包括科技創新人力資源指標和科技創新財力指標。農業科技創新產出指標，主要從農業科技創新的直接產出和間接產出成果兩個方面選取。具體選取的農業科技創新資源配置效率的評價指標如表1所示。

表1 我國農業科技創新資源配置效率的評價指標體系

2.農業科技創新資源配置效率的影響因素指標選取

結合已有對農業科技創新資源配置效率及主要影響因素的相關研究成果[10-12]，本文從農業科技市場的發育程度、政府支持力度、農村勞動力受教育程度、農村生產力發展水平、農村經濟發展水平5個影響因素，來構建我國農業科技創新資源配置效率的影響因素指標體系（如表2所示）。

表2 影響因素的指標選取及預期影響方向

根據上述建立的農業科技創新資源配置效率影響因素的指標體系，本文使用固定效應模型來構建農業科技創新資源配置效率變化的影響因素分析的計量模型，以控制那些不隨時間的推移而變化的自然因素（如氣候、地形等）可能造成的影響，因為它們在不同農村地區之間存在著顯著的差異。本文采用省級面板數據進行定量研究，為了消除可能的自相關影響，本文對變量采用了對數形式，具體模型方程為：

在上式中，Z為被解釋變量，用DEA方法計算出的各省（自治區、直轄市）的農業科技創新資源配置效率值表示；P1-P5為解釋變量，表示農業科技創新資源配置效率的可能影響因素；i代表的省份，i=1，2，…，N；t代表不同的年份，t=1，2，…，n；αi為截距，代表不同個體i的影響；β1-β5為待估參數；Uit為隨機擾動項。

（二）數據來源

考慮數據的可得性，本文選擇2009-2011年的農業科技創新資源的數據進行分析，即2009-2011年我國除西藏之外的30個省（自治區、直轄市）的面板數據。關于農業科技創新資源配置效率的基礎數據來源于《中國統計年鑒》（2010-2012）、《中國科技統計年鑒》（2010-2012）、《中國農村統計年鑒》（2010-2012）、《中國農業統計年鑒》（2010-2012）。關于農業科技創新資源配置效率的影響因素的具體指標數據的選取，基礎數據來源于《中國統計年鑒》（2010-2012）、《中國農村統計年鑒》（2010-2012）。區域的劃分遵循我國傳統的東、中、西部地區的劃分方法。

四、實證分析

（一）我國農業科技創新資源配置效率的DEA分析

基于上述研究模型，本文采用DEAP2.1軟件對各決策單元的效率進行計算，得出2009-2011年我國30個省市的農業科技創新資源的配置效率狀況，包括綜合技術效率(TE)、純技術效率(PTE)、規模效率(SE)（如表3所示）。

表3 2009-2011年我國各地區農業科技創新資源配置效率均值

由表3可以看出，在2009-2011年這3年中，全國農業科技創新資源配置的平均綜合效率為0.651，平均純技術效率為0.715，平均規模效率為0.922，說明我國農業科技創新資源的配置效率整體來說還不太高，在提高農業科技創新資源的配置效率方面還應投入大量精力。從區域特征的角度觀察，我國的農業科技創新資源的配置效率均值呈現出比較明顯的梯度特征，總體上來說我國東部地區的農業科技創新資源的綜合技術效率、純技術效率、規模效率都居于全國首位，其次為西部地區，再次為中部地區。從表3中我國各地區農業科技創新資源的三類配置效率均值數據，可以看出，相對于綜合效率、純技術效率、規模效率的全國均值0.651、0.715、0.922的水平而言，低于平均綜合效率水平的省份有17個，占總省份數的56.7%；低于平均純技術效率水平的省份有16個，占總省份數的53.3%；低于平均規模效率水平的省份有8個，占總省份數的26.7%。這說明我國農業科技創新資源的配置效率水平還比較低，各省份間的純技術效率、規模效率的差距較大，總體來說東部地區高于西部地區，西部地區高于中部地區。

由表3還可以看出，2009-2011年間我國的30個省（自治區、直轄市）中，北京、上海、浙江、甘肅的農業科技創新資源配置屬于DEA有效，且DEA有效的省份占總省份的13.3%。其中，東部地區的DEA有效省份最多，占總DEA有效省份數量的75%。這些省份處于規模效率不變階段，其資源配置效率已達到最優狀態。江蘇、海南、青海屬于弱DEA有效，其余23個省份農業科技創新資源配置屬于非DEA有效，其中大部分省份的農業科技創新資源配置效率指標得分都較低，說明這些地區投入的農業科技創新資源沒有得到充分的利用，產出相對來說也較低。由表4可以看出，在2009-2011年間，處于DEA非有效的24個省（自治區、直轄市）中，廣東、黑龍江、安徽、湖北、湖南處于規模效率遞減階段，說明這些省份投入的農業科技創新資源有浪費現象存在，資源沒有得到充分利用。應調整這類地區農業科技創新資源投入的數量和質量，一定程度上縮小農業科技創新資源規模，以提高農業科技創新資源的配置效率。部分省份如寧夏、內蒙古、新疆、廣西、重慶、貴州等處于規模效增階段，說明由于它們的農業科技創新資源的投入規模普遍較小，雖然這些地區的DEA測算結果不是很高，但其具有較大的發展潛力，可通過加大農業科技創新資源的投入規模來提高這類地區的農業科技創新資源配置效率。

表4 2009-2011年各年我國各地區農業科技創新資源的配置效率狀況

續表4

由表4我們也可以得出我國各地區農業科技創新資源配置效率的區域比較情況和發展趨勢。在2009-2011年這3年間，東部地區農業科技創新資源配置的技術效率較明顯地高于西部和中部地區。東部地區中的北京、上海、浙江這3個省份處于技術效率前沿面上，說明這些地區農業科技創新資源的投入、整合、使用等均達到最優狀態，農業科技創新資源的配置效率處于國內領先水平。中西部地區省份雖然大多處于非DEA有效，但二者相比，西部地區的農業科技創新資源的技術效率普遍要稍高于中部地區。其中，中部地區的省份都沒有達到DEA有效，該類地區農業科技創新資源的綜合效率、純技術效率、規模效率值都較低，而且中部地區8個省份中除江西為規模效率遞增之外，其余7個省份都處于規模效率遞減階段，說明中部地區的農業科技創新資源并未得到合理有效的利用，資源配置效率較低。西部地區只有甘肅屬于DEA有效，雖大多處于非DEA有效，但除了陜西處于規模效率遞減階段之外，其余9個省份近3年都處于穩定的規模效率遞增階段。這說明由于國家的政策和經濟扶持，西部地區的農業科技創新資源配置效率呈現出很好的上升趨勢，發展潛力巨大。但該地區不太高的農業科技創新資源水平也表明，這些地區農業科技創新資源的投入規模還比較小，若能加大西部地區的農業科技創新資源投入力度，可能會促進其農業科技創新資源配置效率的提高，進而促進其農村經濟的發展。

（二）影響農業科技創新資源配置效率的因素分析

為檢驗以上提出的若干研究假設，本文以2009-2011年我國30個省市的面板數據為基礎，運用Eviews 6.0軟件對上述構建的固定效應模型進行估計，結果如表5所示。本文還對模型進行了F檢驗，結果如表6所示。由于F檢驗相應的p值為0.0000，小于0.05，所以應建立個體固定效應模型，這也驗證了本文構建的計量模型是合理的。由表5可以看出，總體來看，模型的估計結果較好，模型擬合度較高。變量P1-P5在5%的水平上影響顯著，模型中各自變量與預期影響方向一致，具體影響效應如下：

（1）農業科技市場的發育程度。科技市場的發育程度對農業科技創新資源的配置效率具有顯著的正向影響，且影響方向與預期影響一致。說明科技市場的發育程度是影響農業科技創新資源配置效率的重要決定因素。農業科技市場越發達，越有利于農業科技的傳播，使農業科技創新資源能夠快速地滿足農村發展的科技需求。

表5 模型估計結果

表6 F檢驗結果

（2）政府支持力度。政府支持力度對農業科技創新資源的配置效率具有顯著的正向影響，且影響方向與預期影響一致。政府對農業科技的投入和支持力度越大，越能有效彌補農業科技創新資源供給的資金缺口，越有利于農業科技創新資源的配置效率的提高。

（3）農村勞動力受教育程度。農村勞動力受教育程度對農業科技創新資源的配置效率也具有較顯著的正向影響，且影響方向與預期影響一致。農村勞動力的受教育程度越高，農民的文化素質也越高，越有利于農業科技創新資源的轉化，從而提高農業科技創新資源的利用效率。

（4）農村生產力發展水平。農村生產力發展水平對農業科技創新資源的配置效率具有顯著的正向影響，且影響方向與預期影響一致。農村生產力的發展水平越高，越有利于促進農業的規模化經營，從而越有利于投入的農業科技創新資源的產出效率的提高，也即越有利于農業科技創新資源的配置效率的提高。

（5）農村經濟發展水平。農村經濟發展水平對農業科技創新資源的配置效率也具有較顯著的正向影響，且影響方向與預期影響一致。農村地區的經濟發展水平越高，農業現代化水平越高，農業科技成果的轉化率也越高，則此類地區的農業綜合生產能力也較高，農業科技創新資源的利用效率也越高。

五、結論與對策建議

本文采用DEA方法對我國30個省（自治區、直轄市）2009-2011年的農業科技創新資源配置效率進行了測算，并采用固定效應模型對影響效率變化的因素進行實證研究，主要得到以下結論：

（1）總體來說，在2009-2011年3年間，從區域特征的角度觀察，我國的農業科技創新資源的配置效率均值呈現出比較明顯的梯度特征，總體上來說東部地區的農業科技創新資源的綜合技術效率、純技術效率、規模效率都居于全國首位，其次為西部地區，再次為中部地區。而且我國農業科技創新資源的配置效率水平總體來說還比較低，各省份間的純技術效率、規模效率的差距較大。

（2）2009-2011年間我國的30個省（自治區、直轄市）中，北京、上海、浙江、甘肅的農業科技創新資源配置屬于DEA有效，其資源配置效率已達到最優狀態。江蘇、海南、青海屬于弱DEA有效，其余23個省份農業科技創新資源配置屬于非DEA有效，其中大部分省份的農業科技創新資源配置效率指標得分都較低，說明這些地區投入的農業科技創新資源未得到充分利用，相對來說產出也較低。

（3）在2009-2011這3年間，東部地區農業科技創新資源配置的技術效率較明顯地高于西部和中部地區。東部地區中的北京、上海、浙江這3個省份處于技術效率前沿面上，說明這些地區農業科技創新資源的投入、整合、使用等均達到最優狀態，農業科技創新資源的配置效率處于國內領先水平。中西部地區省份雖然大多處于非DEA有效，但二者相比，西部地區的農業科技創新資源的技術效率普遍要稍高于中部地區。

（4）從影響因素的角度考慮，科技市場的發育程度、政府支持力度、農村勞動力受教育程度、農村生產力發展水平、農村經濟發展水平對農業科技創新資源的配置效率均具有顯著的正向影響，且影響方向與預期影響一致。

從以上研究結果可以看出，近幾年我國農業科技創新資源的配置效率普遍不太高，各地區配置效率差距巨大。為改善農業科技創新資源配置中存在的問題，可從以下幾方面入手：

（1）應努力提高科技市場的發育程度。只有通過科技市場，投入的農業科技創新資源才能實現傳播和轉化，從而實現農業科技資源的優化配置，提高農村生產力和經濟發展水平。

（2）應加大政府支持力度。農業科技創新資源的提供往往投資巨大，市場或非政府組織無力提供，因此需要政府加大支持和投入力度，積極引導農業科技創新資源合理配置。

（3）政府可對不同農村地區采取差異化的農業科技創新資源配置策略。由于各農村地區的自然條件、經濟發展水平、擁有的科研機構、科研人員質量等都差異很大，因此政府可從各地區的實際情況出發，因地制宜地對不同農村地區采取差異化的農業科技創新資源配置策略。

（4）提高農村勞動力的文化水平和綜合素質。農業科技創新資源的利用、農業科技創新的實現等最終都是通過科技人員實現的。因此提高農村勞動力的文化水平和綜合素質將對農業科技創新資源配置效率的提高產生很大影響。

[1]曠宗仁，章瑾，左停.中國農業科技創新投入產出分析[J].中國科技論壇，2012（7）：132-136.

[2]楊傳喜，徐頑強，王敬華.基于復雜適應系統理論的農業科技資源配置研究[J].系統科學學報，2013（1）：81-83.

[3]張靜，張寶文.基于Malmquist指數法的我國農業科技創新效率實證分析[J].科技進步與對策，2011（4）：84-88.

[4]吳育華，杜綱.管理科學基礎[M].天津：天津大學出版社，2009：279-282.

[5]朱玉春，唐娟莉，劉春梅.基于DEA方法的中國農村公共服務效率評價[J].軟科學，2010（3）：37-43.

[6]郝海，鄭丕諤，蹤家峰.基于C2R模型決策單元規模收益的判斷準則[J].哈爾濱工業大學學報，2009（6）:236-238.

[7]賈志永，朱五龍，劉高峰.基于固定效應模型的省域建筑產業競爭力的實證研究[J].統計與決策，2009（24）：92-93.

[8]杜娟.基于DEA模型的我國農業科技創新投入產出分析[J].科技進步與對策，2013（4）：82-85.

[9]郭雅嫻，趙夢，盧雨菲.區域農業科技創新資源評價指標體系構建[J].統計與決策，2011（22）：78-81.

[10]吳林海.我國農業科技創新供給的影響因素及對策探討[J].上海經濟研究，2009（1）：30-35.

[11]楊傳喜，張俊飚，李樹明.農業科技資源技術效率的測算與分析——基于農業生態區劃的視角[J].中國科技論壇，2011（6）：138-143.

[12]白俊紅，江可申，李蜻，等.區域創新效率的環境影響因素分析——基于DEA-Tobit兩步法的實證檢驗[J].研究與發展管理，2009（2）：96-101.